Un algorithme est un ensemble spécifique d'instructions clairement définies visant à exécuter une tâche ou un processus.

Le trading algorithmique (trading automatisé, trading en boîte noire ou simplement algo-trading) consiste à utiliser des ordinateurs programmés pour suivre un ensemble défini d'instructions pour placer un trade afin de générer des profits à une vitesse et à une fréquence impossible pour un commerçant humain. Les ensembles de règles définis sont basés sur le timing, le prix, la quantité ou tout modèle mathématique. En dehors des opportunités de profit pour le trader, l'algo-trading rend les marchés plus liquides et rend le trading plus systématique en excluant les impacts humains émotionnels sur les activités de trading. (Pour en savoir plus, consultez Choisir le bon logiciel de trading algorithmique .)

Supposons qu'un trader respecte ces critères commerciaux simples:

• Achetez 50 actions d'une action lorsque sa moyenne mobile de 50 jours dépasse la moyenne mobile de 200 jours
• Vendez des actions de l'action quand sa moyenne mobile de 50 jours passe en dessous de la moyenne mobile de 200 jours

En utilisant cet ensemble de deux instructions simples, il est facile d'écrire un programme informatique qui surveillera automatiquement le prix de l'action (et les indicateurs de moyenne mobile) les ordres d'achat et de vente lorsque les conditions définies sont remplies. Le trader n'a plus besoin de surveiller les prix et les graphiques en temps réel, ni de passer les commandes manuellement. Le système de trading algorithmique le fait automatiquement pour lui, en identifiant correctement l'opportunité de trading. (Pour en savoir plus sur les moyennes mobiles, voir Les moyennes mobiles simples font ressortir les tendances .)

[Si vous voulez en savoir plus sur les stratégies éprouvées et à point qui peuvent éventuellement être intégrées dans un système de trading alorithmique, consultez le cours Devenez un day Trader d'Investopedia Academy.]

Avantages de Algorithmic Trading

Algo-trading offre les avantages suivants:

• Trades exécutés aux meilleurs prix possibles
• Placement instantané et précis des ordres (donc de grandes chances d'exécution aux niveaux souhaités)
• Trades correctement et instantanément
• Coûts de transaction réduits (voir l'exemple de manque de mise en œuvre ci-dessous)
• Contrôles automatisés simultanés sur plusieurs conditions de marché
• Risque réduit d'erreurs manuelles lors du placement des trades
• Backtest l'algorithme, basé sur les données historiques et en temps réel disponibles
• Réduction possible des erreurs commises par les commerçants humains sur la base de facteurs émotionnels et psychologiques

La plus grande partie de l'algo-trading actuel est le trading haute fréquence (HFT), qui tente de capitaliser sur le placement d'un grand nombre de commandes à des vitesses très rapides sur plusieurs marchés et de multiples paramètres de décision, basés sur sur des instructions pré-programmées.(Pour en savoir plus sur les opérations à haute fréquence, voir

Stratégies et secrets des sociétés de négociation à haute fréquence .) L'algo-trading est utilisé dans de nombreuses formes d'activités de négoce et d'investissement:

Investisseurs de moyen à long terme ou acheteurs (fonds de pension, fonds communs de placement, compagnies d'assurance) qui achètent des actions en grandes quantités mais ne veulent pas influencer les cours des actions avec des investissements discrets et à grand volume.

• Les traders à court terme et les participants à la vente (teneurs de marché, spéculateurs et arbitragistes) bénéficient d'une exécution commerciale automatisée; En outre, l'algo-trading aide à créer suffisamment de liquidités pour les vendeurs sur le marché.
• Les traders systématiques (suiveurs de tendance, traders de paires, hedge funds, etc.) trouvent beaucoup plus efficace de programmer leurs règles de trading et de laisser le programme se négocier automatiquement.
• Le trading algorithmique fournit une approche plus systématique du trading actif que les méthodes basées sur l'intuition ou l'instinct d'un trader humain.

Stratégies de négociation algorithmique

Toute stratégie de négociation algorithmique nécessite une opportunité identifiée qui soit profitable en termes d'amélioration des bénéfices ou de réduction des coûts. Les stratégies de trading algorithmiques les plus courantes suivent les tendances des moyennes mobiles, des ruptures de canaux, des mouvements de niveau de prix et des indicateurs techniques associés. Ce sont les stratégies les plus simples et les plus simples à mettre en œuvre par le biais du trading algorithmique car ces stratégies n'impliquent pas de prédictions ou de prévisions de prix. Les échanges sont lancés sur la base de l'apparition de tendances souhaitables, qui sont faciles et faciles à mettre en œuvre grâce à des algorithmes sans entrer dans la complexité de l'analyse prédictive. L'exemple ci-dessus de moyenne mobile de 50 et 200 jours est une stratégie de suivi de tendance populaire. (Pour en savoir plus sur les stratégies de négociation de tendance, voir:

Stratégies simples pour capitaliser sur les tendances

• .)

Occasions d'arbitrage: Acheter un titre à deux prix inférieur sur un marché et le vendre simultanément un prix plus élevé sur un autre marché offre le différentiel de prix en tant que profit ou arbitrage sans risque. La même opération peut être répliquée pour les actions par rapport aux instruments à terme, car les écarts de prix existent de temps en temps. La mise en place d'un algorithme permettant d'identifier ces différentiels de prix et de passer les commandes permet des opportunités rentables de manière efficace. Rééquilibrage des fonds indiciels

• :

Les fonds indiciels ont défini des périodes de rééquilibrage pour aligner leurs avoirs sur leurs indices de référence respectifs. Cela crée des opportunités rentables pour les traders algorithmiques, qui capitalisent sur les échanges attendus qui offrent des bénéfices de 20-80 points de base en fonction du nombre d'actions dans le fonds indiciel, juste avant le rééquilibrage des fonds indiciels. Ces transactions sont initiées via des systèmes de négociation algorithmiques pour une exécution en temps opportun et les meilleurs prix.

• Stratégies basées sur des modèles mathématiques: Un grand nombre de modèles mathématiques éprouvés, comme la stratégie de négociation neutre au delta, qui permettent de négocier des combinaisons d'options et de titres sous-jacents pour compenser les deltas positifs et négatifs. le delta du portefeuille est maintenu à zéro.

Gamme de trading (Mean Reversion):

• La stratégie de retour à la moyenne est basée sur l'idée que les prix élevés et bas d'un actif sont un phénomène temporaire qui revient périodiquement à sa valeur moyenne. L'identification et la définition d'une fourchette de prix et d'un algorithme de mise en œuvre basé sur celle-ci permet aux transactions d'être placées automatiquement lorsque le prix de l'actif entre et sort de sa plage définie.

Prix moyen pondéré en fonction du volume (VWAP):

• La stratégie de prix moyen pondéré en fonction du volume divise une commande importante et libère sur le marché des segments plus petits déterminés dynamiquement en utilisant des profils de volume historiques spécifiques. L'objectif est d'exécuter l'ordre proche du cours moyen pondéré en fonction du volume (VWAP), bénéficiant ainsi d'un prix moyen.

Prix moyen pondéré dans le temps (TWAP):

• La stratégie des prix moyens pondérés dans le temps divise une commande importante et libère sur le marché des blocs plus petits déterminés dynamiquement en utilisant des intervalles de temps divisés entre une heure de début et une heure de fin. L'objectif est d'exécuter l'ordre proche du prix moyen entre les heures de début et de fin, minimisant ainsi l'impact sur le marché.

Pourcentage du volume (POV):

• Jusqu'à ce que la commande soit entièrement remplie, cet algorithme continue d'envoyer des ordres partiels, en fonction du ratio de participation défini et du volume négocié sur les marchés. La «stratégie des étapes» associée envoie des ordres à un pourcentage défini par l'utilisateur des volumes du marché et augmente ou diminue ce taux de participation lorsque le cours de l'action atteint des niveaux définis par l'utilisateur.

Manque de mise en œuvre:

• La stratégie de mise en œuvre vise à minimiser le coût d'exécution d'une commande en s'échangeant le marché en temps réel, économisant ainsi le coût de la commande et bénéficiant du coût d'opportunité de l'exécution différée. La stratégie augmentera le taux de participation ciblé lorsque le cours des actions évolue favorablement et le diminuera lorsque le cours des actions évoluera de façon défavorable.

Au-delà des algorithmes de trading usuels:

• Il existe quelques classes spéciales d'algorithmes qui tentent d'identifier les "happenings" de l'autre côté. Ces «algorithmes de reniflage», utilisés, par exemple, par un market maker du côté vente ont l'intelligence intégrée pour identifier l'existence de tout algorithme du côté achat d'une commande importante. Une telle détection au moyen d'algorithmes aidera le teneur de marché à identifier les opportunités de commandes importantes et lui permettra de tirer parti des commandes à un prix plus élevé. Ceci est parfois identifié comme avant-garde high-tech. (Pour en savoir plus sur les transactions à haute fréquence et les pratiques frauduleuses, voir:

Si vous achetez des actions en ligne, vous êtes impliqué dans des transactions HFT

• .)

Exigences techniques pour le trading algorithmique Implémentation de l'algorithme à l'aide d'un ordinateur programme est la dernière partie, clubbed avec backtesting. Le défi consiste à transformer la stratégie identifiée en un processus informatisé intégré qui a accès à un compte de négociation pour passer des commandes. Les éléments suivants sont nécessaires: Connaissances en programmation informatique pour programmer la stratégie de négociation requise, programmeurs embauchés ou logiciels de négociation préfabriqués

Connectivité réseau et accès aux plateformes de négociation pour passer les commandes

Accès aux flux de données de marché être surveillé par l'algorithme pour les opportunités de passer des commandes

• La capacité et l'infrastructure pour backtest le système une fois construit, avant qu'il ne passe sur les marchés réels
• Données historiques disponibles pour backtesting, selon la complexité des règles implémentées dans l'algorithme < Voici un exemple complet: Royal Dutch Shell (RDS) est cotée à la Bourse d'Amsterdam (AEX) et à la Bourse de Londres (LSE).Construisons un algorithme pour identifier les opportunités d'arbitrage. Voici quelques observations intéressantes:
• AEX négocie en euros, alors que LSE négocie en livres sterling
• En raison du décalage horaire d'une heure, AEX ouvre une heure plus tôt que LSE, suivi des deux échanges en même temps pendant quelques heures et puis échangez uniquement sur LSE pendant la dernière heure alors que AEX ferme
• Pouvons-nous explorer la possibilité d'arbitrages sur les actions Royal Dutch Shell cotées sur ces deux marchés dans deux devises différentes?

Exigences:

• Un programme informatique capable de lire les prix actuels du marché
• Flux de prix à la fois LSE et AEX

Un flux forex pour le taux de change GBP-EUR

Capacité de placement des commandes ordre à l'échange correct

• Capacité de contrôle en amont sur les flux de prix historiques
• Le programme informatique doit effectuer les opérations suivantes:
• Lire le flux de prix entrant du stock RDS des deux bourses
• Utiliser les taux de change disponibles , convertissez le prix d'une devise en autre
• S'il existe une différence de prix suffisamment importante (en actualisant les frais de courtage) conduisant à une opportunité rentable, placez l'ordre d'achat sur un échange moins cher et vendez l'ordre sur un cours supérieur > Si les ordres sont exécutés comme souhaité, le profit d'arbitrage suivra

Simple et facile! Cependant, la pratique du trading algorithmique n'est pas si simple à maintenir et à exécuter. Rappelez-vous, si vous pouvez placer un commerce généré par algo, les autres acteurs du marché peuvent le faire. Par conséquent, les prix fluctuent en millisecondes et même en microsecondes. Dans l'exemple ci-dessus, que se passe-t-il si votre transaction d'achat est exécutée, mais le commerce de vente ne fonctionne pas, car les prix de vente changent au moment où votre commande arrive sur le marché? Vous finirez par vous asseoir avec une position ouverte, rendant votre stratégie d'arbitrage inutile.

• Il existe des risques et des défis supplémentaires: par exemple, les risques de défaillance du système, les erreurs de connectivité réseau, les décalages temporels entre les ordres de transaction et l'exécution, et, surtout, les algorithmes imparfaits. Plus un algorithme est complexe, plus le backtesting est exigeant avant d'être mis en action.
• The Bottom Line
• L'analyse quantitative de la performance d'un algorithme joue un rôle important et devrait être examinée de manière critique. C'est excitant d'opter pour l'automatisation assistée par des ordinateurs avec une idée de faire de l'argent sans effort. Mais il faut s'assurer que le système est minutieusement testé et que les limites requises sont définies. Les traders analytiques devraient envisager d'apprendre les systèmes de programmation et de construction par eux-mêmes, pour être sûrs de mettre en œuvre les bonnes stratégies de manière infaillible. Une utilisation prudente et des tests approfondis de l'algo-trading peuvent créer des opportunités rentables. (Pour en savoir plus, voir Comment coder votre propre robot de trading Algo.)